基于邊緣智能的心電信號處理方法及監測系統
信息技術與網絡安全
甄鵬華，韓玉冰
(齊魯工業大學(山東省科學院) 計算機科學與技術學院，山東 濟南250353)
摘要： 邊緣智能是邊緣計算和人工智能相結合的產物，它的特性使其特別適合用于進行實時心電信號分析。心電圖中體現的心電信號能夠反映人體的心率等生理信息，通過對心電信號的分析及狀態類型的分類可以檢測人體是否患有心率失常等疾病。然而傳統的心電信號分類研究是針對大量樣本進行的單純分類研究，并不適用于實時小樣本分析的邊緣智能場景。提出了一種可行的心電信號處理方法，并設計了一個基于邊緣智能的心電監測系統。實驗結果表明，該心電信號處理方法具有一定的實用性，能夠在一定程度上滿足邊緣智能場景的要求。
中圖分類號： TP391
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.018
引用格式： 甄鵬華，韓玉冰. 基于邊緣智能的心電信號處理方法及監測系統[J].信息技術與網絡安全，2021，40(7)：108-115.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.018
引用格式： 甄鵬華，韓玉冰. 基于邊緣智能的心電信號處理方法及監測系統[J].信息技術與網絡安全，2021，40(7)：108-115.
Electrocardio signal processing and monitoring system based on edge intelligence
Zhen Penghua，Han Yubing
(School of Computer Science and Technology，Qilu University of Technology(Shandong Academy of Sciences)， Jinan 250353，China)
Abstract： Edge Intelligence(EI) is the product of the combination of Edge Computing(EC) and Artificial Intelligence(AI). Its characteristics make it particularly suitable for real-time electrocardio signal analysis. The electrocardio signal can reflect the human body′s heart rate and other physiological information，through the analysis of the electrocardio signal and the classification of the heartbeat, it can be detected whether the human body suffers from arrhythmia and other diseases. However, the traditional electrocardio signal classification research is only for a large number of samples, so it is not suitable for the edge intelligence scene of real-time small sample analysis. This paper proposes a feasible electrocardio signal processing method and designs an electrocardio monitoring system based on edge intelligence. Experimental results show that the electrocardio signal processing method has a certain practicability and can meet the requirements of edge intelligent scenes to a certain extent.
Key words : edge intelligence；electrocardio signal；neural network；system simulation
0 引言
邊緣智能是十分新穎的研究領域，它集合了邊緣計算和人工智能的優勢，能夠以較低的資源消耗和較快的運行速度提供較為精確的分析結果[1-2]。邊緣設備及邊緣計算也是分析心電信號常用的方法。
然而傳統的心電信號分類研究是針對大量樣本進行的單純分類研究，并不適用于實時小樣本分析的邊緣智能場景。這是由于傳統研究通常是基于大量有完善的位置標記的樣本，在處理過程中依賴樣本數量進行特定的處理。在邊緣智能場景中，預測過程中心電信號是實時產生的，且要求產生一條數據即分析一條數據，以滿足實時性的要求，上述基于樣本數量的處理方法無法實現。
本文詳細內容請下載：http://www.rjjo.cn/resource/share/2000003687
作者信息：
甄鵬華，韓玉冰
(齊魯工業大學(山東省科學院) 計算機科學與技術學院，山東 濟南250353)
此內容為AET網站原創，未經授權禁止轉載。